【一】引入
- 我们知道 Pandas 是在 NumPy 的基础构建而来
- 因此，熟悉 NumPy 可以更加有效的帮助我们使用 Pandas。
- NumPy 主要用 C语言编写
- 因此，在计算还和处理一维或多维数组方面，它要比 Python 数组快得多。
- 关于 NumPy 的学习，可以参考《Python NumPy教程》。
【二】创建数组
- 数组的主要作用是在一个变量中存储多个值。
- NumPy 可以轻松地处理多维数组，示例如下:
import numpy as np
arr = np.array([2, 4, 6, 8, 10, 12])
print(type(arr))
print("打印新建数组: ", end="")
# 使用for循环读取数据
for l in range(0, 5):
print(arr[l], end=" ")
<class 'numpy.ndarray'>
打印新建数组: 2 4 6 8 10
- 虽然 Python 本身没有数组这个说法，不过 Python 提供一个 array 模块，用于创建数字、字符类型的数组，它能够容纳字符型、整型、浮点型等基本类型。示例如下：
import array
# 注意此处的 'l' 表示有符号int类型
arr = array.array('l', [2, 4, 6, 8, 10, 12])
print(type(arr))
print("新建数组: ", end="")
for i in range(0, 5):
print(arr[i], end=" ")
<class 'array.array'>
新建数组: 2 4 6 8 10
【三】布尔索引
- 布尔索引是 NumPy 的重要特性之一，通常与 Pandas 一起使用。
- 它的主要作用是过滤 DataFrame 中的数据，比如布尔值的掩码操作。
- 下面示例展示了如何使用布尔索引访问 DataFrame 中的数据。
【1】创建一组包含布尔索引的数据
- 首先创建一组包含布尔索引的数据，如下所示：
import pandas as pd
dict = {'name': ["Smith", "William", "Phill", "Parker"],
'age': ["28", "39", "34", "36"]}
info = pd.DataFrame(dict, index=[True, True, False, True])
print(info)
name age
True Smith 28
True William 39
False Phill 34
True Parker 36
【2】使用.loc访问索引为 True 的数据
- 然后使用
.loc访问索引为 True 的数据。
import pandas as pd
dict = {'name': ["Smith", "William", "Phill", "Parker"],
'age': ["28", "39", "34", "36"]}
info = pd.DataFrame(dict, index=[True, True, False, True])
# 返回所有为 True的数据
print(info.loc[True])
name age
True Smith 28
True William 39
True Parker 36
【四】重塑数组形状
- 在不改变数组数据的情况下，对数组进行变形操作，即改变数组的维度，比如 23（两行三列）的二维数组变维 32（三行两列）的二维数组。
- 变形操作可以通过 reshape() 函数实现。
- 示例如下：
import numpy as np
arr = np.arange(16)
print("原数组: \n", arr)
arr = np.arange(16).reshape(2, 8)
print("\n变形后数组:\n", arr)
arr = np.arange(16).reshape(8, 2)
print("\n变形后数组:\n", arr)
原数组:
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
变形后数组:
[[ 0 1 2 3 4 5 6 7]
[ 8 9 10 11 12 13 14 15]]
变形后数组:
[[ 0 1]
[ 2 3]
[ 4 5]
[ 6 7]
[ 8 9]
[10 11]
[12 13]
[14 15]]
【五】Pdans与NumPy区别
- Pandas 和 NumPy 被认为是科学计算与机器学习中必不可少的库，因为它们具有直观的语法和高性能的矩阵计算能力。
- 下面对 Pandas 与 NumPy 进行简单的总结，如下表所示：
| 比较项 | Pandas | NumPy |
|---|---|---|
| 适应性 | Pandas主要用来处理类表格数据。 | NumPy 主要用来处理数值数据。 |
| 工具 | Pandas提供了Series和DataFrame数据结构。 | NumPy 构建了 ndarray array来容纳数据。 |
| 性能 | Pandas对于处理50万行以上的数据更具优势。 | NumPy 则对于50万以下或者更少的数据，性能更佳。 |
| 内存利用率 | 与 NumPy相比，Pandas会消耗大量的内存。 | NumPy 会消耗较少的内存。 |
| 对象 | Pandas 提供了 DataFrame 2D数据表对象。 | NumPy 则提供了一个多维数组 ndarray 对象 |
【六】转换ndarray数组
- 在某些情况下，需要执行一些 NumPy 数值计算的高级函数，这个时候您可以使用 to_numpy() 函数，将 DataFrame 对象转换为 NumPy ndarray 数组，并将其返回。函数的语法格式如下：
DataFrame.to_numpy(dtype=None, copy=False)
-
参数说明如下：
- dtype：可选参数，表示数据类型；
- copy：布尔值参数，默认值为 Fales，表示返回值不是其他数组的视图。
-
下面使用示例，了解该函数的使用方法。
【1】示例 1
import pandas as pd
info = pd.DataFrame({"P": [2, 3], "Q": [4.0, 5.8]})
# 给info添加R列
info['R'] = pd.date_range('2020-12-23', periods=2)
print(info)
# 将其转化为numpy数组
n = info.to_numpy()
print(n)
# 可以通过 type 查看其类型
print(type(n))
P Q R
0 2 4.0 2020-12-23
1 3 5.8 2020-12-24
[[2 4.0 Timestamp('2020-12-23 00:00:00')]
[3 5.8 Timestamp('2020-12-24 00:00:00')]]
<class 'numpy.ndarray'>
【2】示例 2
import pandas as pd
# 创建DataFrame对象
info = pd.DataFrame([[17, 62, 35], [25, 36, 54], [42, 20, 15], [48, 62, 76]],
columns=['x', 'y', 'z'])
print('DataFrame\n----------\n', info)
# 转换DataFrame为数组array
arr = info.to_numpy()
print('\nNumpy Array\n----------\n', arr)
DataFrame
----------
x y z
0 17 62 35
1 25 36 54
2 42 20 15
3 48 62 76
Numpy Array
----------
[[17 62 35]
[25 36 54]
[42 20 15]
[48 62 76]]